五個人、十週、沒有 Jira 與 Figma。Gusto Cofounder 的故事不是「AI 讓人不用管理」,而是 AI 讓團隊把管理移回現場。
Eddie Kim 是 Gusto 共同創辦人兼 CTO。Gusto 已跨過 10 億美元營收,服務超過 50 萬家小企業;這種公司通常不缺流程、角色與審查。Cofounder 的十週開發反而從相反方向開始:Eddie 回到寫程式的位置,和三位工程師、一位設計師組成小隊,從零程式碼做到一級產品發布。
關鍵不是「CTO 也會用 Claude Code」。關鍵是高階主管親自進入產品材料、程式碼與客戶問題,才能重新判斷哪些流程是在幫忙,哪些流程只是把風險延後。Eddie 的說法很直接:想做 AI 產品策略的人,必須花大量時間使用 AI 產品,否則很難理解新的基本元件、使用者體驗與失敗邊界。
訪談最刺耳的句子是:沒有會議、沒有文字回覆、沒有 Figma、沒有 Jira board。這不是鼓吹混亂,而是把討論、取捨、實作、review 壓到同一個時空。小隊長時間待在同一個 Zoom 裡,看到東西就改,改完就看,不能說服彼此就刪掉。
Eddie 把這稱作「trash can method」。以前刪掉一個完整 PR 會痛,因為投入成本太高。現在程式碼生成成本降低,產品決策可以先落到可執行版本,再用真實手感決定留下或丟掉。這讓產品管理從文件中的預測,變成對可運作軟體的判斷。
Cofounder 的 agent loop 使用 Cloudflare Workers,模型與工具層靠 Vercel AI SDK。Eddie 在訪談中刻意降低神秘感:agent SDK 跑在雲端,能換模型、讀檔案、用工具。真正困難的不是把「agent」三個字放進架構圖,而是讓它處理薪資與 HR 這種出錯成本很高的工作。
Gusto 的產品場景也讓這件事更嚴格。它不是聊天玩具,而是協助小企業處理真實營運流程。訪談中的 demo 包含透過文字與 Slack 操作 Cofounder,以及跑一段實際 payroll 流程。AI 在這裡不能只給漂亮答案,還要能接住資料、工具、權限、例外狀況與使用者信任。
訪談提到一位沒有工程背景的設計師,在這個小隊裡成為高產出的程式碼貢獻者。這不是「設計師取代工程師」的故事,而是 AI 把產品材料、互動設計與程式碼之間的距離縮短。當原型能直接接近真實產品,設計決策不再停在圖稿層。
這種工作方式要求更強的工程紀律。當每個人都能更快產出,團隊更需要即時 review、清楚邊界與願意刪掉的文化。AI 降低的是嘗試成本,不是品質責任。
Eddie 示範用 Claude Code 處理客戶問題時,不是直接叫模型修。流程先讀 GitHub issue 與相關對話,再要求它寫一個會失敗的 eval,證明問題可重現;接著提出修法,最後讓 eval 通過。Eddie 說自己以前不是真正的 test-driven developer,但 AI 工作讓 eval-first 幾乎成為唯一可靠方式。
這段是整集最有用的工程教訓。AI 可以加速寫法,卻也會加速錯法。沒有失敗案例、沒有可重現 artifact、沒有通過條件,團隊只是在用流暢文字包裝不確定性。eval-first 把不確定性鎖進可檢查的形狀。
AI 把寫程式變便宜之後,最貴的東西變成現場判斷:什麼值得留,什麼該立刻丟掉。
Gusto 的十週不是反流程,而是把流程壓縮到能被真實軟體驗證。
選完之後,分享你的觀點
原始 How I AI 影片包含 Eddie Kim 對 Gusto Cofounder、Claude Code、perma-Zoom、小隊決策與 eval-first bug fix 的完整示範。
閱讀完整文章 →喜歡這種分析嗎?
從 AI 代理人、產品策略到平台商業模式,用台灣讀者看得懂的語言,把複雜的產業變局說清楚。目前已有超過 2 萬位讀者訂閱。
免費訂閱區塊勢 →也可以直接付費支持,解鎖每週完整文章